供应链管理定义.docx

供应链管理定义11研究动机与目的供应链的定义大致如下：供应链管理是制造商与配销场所所连接而成的网络，在各层级的活动(制造商、配销商、批发商、零售商、终端顾客)，包含原料的取得，将原料制成最终产品，一直到产品送至顾客手中的过程称之(1eeandBiHington,1992)。幺冬端客(CUStomer)供应链管理在设可口'JT1刊子Z羡但今日011士J企业明白光是生产高质量的产品，假如,*A&r=z:工H际的产品如不能预测它准确的需求量，而影响到厂商的作业成本的不稳固与存隼当有长足的进步，要紧是运用信息科技改签批气商(WhOIey)|是在存货管理方面的技术应需对其程度苒S当性向提我I在现今的社会|配商(DiStrib1yr)划及决策问题。准确的需求预测能够减?存货的对确定性，子提供供,商做决策时的根据。由此可知需求|裂造商(FaCtoIy)重要因素，预测的低错误率是大家所追荻的共同目标，而如何达成低质误率的方法没有一定。在好几种方法匚H1.I供示意B1.还没有定论。有鉴于此，本研究拟以配销商(distributor)的立场，针对各类需求预测的方法进行回顾，并配合假设的情境，使用BeerGame软件来测试比较各类需求预测方法。1.2研究范围与内容根据图1所知供应链分成5个层级，分别是制造商、配销商、批发商、零售商、终端顾客，而除了终端顾客与制造商外，其它的供应链中的各角色都可向上游订购及向下游出货。本研究中所假设之供应链情境为：只有一家零售商、一家批发商、一家配销商及一家制造商之情形，并据此进展适当的需求预测模式。有关的假设如下：1 .供应链中零售商、批发商与配销商所使用的预测周期与预测方法皆相同。2 .供应链中除了终端顾客向零售商订购，假如零售商有货，终端顾客即能马上拿到货品之外，其余的各层级之间从订购到收到货品都有前置时间。3 .不考虑信息的传递时间与运送时间。4 .供应链中除了零售商无法与终端顾客事后补货外，其余的各层级皆有考虑事后补货。5 .制造商的供货能力为100%,即不论产品原物料数量多寡，供货商都能在前置时间内送达。6 .不考虑制造商产能限制问题。本组的研究内容如下列四点：(1)回顾各类需求预测方法。(2)针对假设情境选择设计适当的需求预测方法(模式)。(3)应用BeerGame软件进行测试。(4)提出结论与建议。共使用4种方法，24种商品(以BeerGame产生4年需求量，其需求型态为水平、季节性产品)来进行预测，并比较上述4种方法,评估最佳的预测模式。第二章文献回顾2.1 啤酒游戏BeerGame啤酒游戏模拟下列的情境： 单一零售商、批发商、单配销商，及单一啤酒原料没有限制的工厂。 各供应链构成元素没有库存容量的限制，此外在各元素之间有一个固定的供应前置时间(SUPP1yIeadtime)及订单延滞时间(orderde1aytime)o每周供应链中各元素尝试满足下游元素的需求，任何没有被达到的需求将会被纪录成待补订单，尽速达成。 零售商、批发商、配销商及工厂的目标在于总成本最小化(不是个别成本最小化就是系统成本最小化)。2.2 长鞭效应在供应链中，零售商是唯一能够直接接触到终端顾客得知需求，其它的供应链成员都是由下游所下的订单来得知市场需求。而需求是具有季节性的变化再加上预测的误差，会随着供应链中各层的信息传递而被扭曲，离终端顾客越远信息被扭曲的情况就越严重。当下游发生些许变异时，就会有如抽打牛鞭一样的向上传递，而此种需求扭曲现象就称之f长鞭效应。2.3 预测方法简介预测方法根据分析过程不一致，可分成定性型(qua1itative)与定量型Quantitative)2种。定量型的预测方法常见的有：1 .移动平均法。2 .指数平滑法。3 .回归分析法。4 .时间数列分析法。移动平均、指数平滑法的目的皆在于去除由不规则变动所造成的随机变异，因此称之平滑法。平滑法适用于稳固的时间序列，也就是说并未显示出明显的长期趋势、旋环变动及季节变动的时间序列。假如不符合上述条件，务必稍做修正，否则以平滑法做预测的效果将不尽理想。移动平均法中，我们利用最接近的我们利用最接近的n个数据值得平均数来作为下期的预测值，计算公式如下。移勤平均=E（最近的rH固资料）使用移动这个字眼是曲于，每当我们取得一个最新的观察值时,就要以这个新观察值取代上述公式中最旧的观察值而得到新的平均数，也就是说，平均数会随着新观察值出现而改变或者移动。比如以三周的移动平均做为例子。前四周的资料值分别为：17、21、19、23o则我们预测第四周的预测值为：移勤平均（第1遇-第3遇）=17+21+19=19因此，预测值的误差为：23-19=4o3移动平均计算过程：第一步：使用啤酒游戏来产生水平需求、年中需求高、年后需求高等三类商品需求型态，共计有二十四种商品，而产生的需求值有四年的数据，第一三年数据即作为已知数据，第四年数据作为验证数据。第二步：把所有二十四种物品的实际值数据全输入在Exce1中，并经由Exce1的处理，算出前三年期数210所有的预测值。第三步：找出二十四种物品的前三年最小MSE之期数为何；再用最小MSE的期数代入，预测第四年的预测值。让第四年预测值，与使用BeerGame软件所产生的第四年实际值，来作比较。第四步：求得第四年的预测值与实际值之MSEo我们以乳品1做为范例:乳品12.003.00YtFtYt-FtFtYt-Ft第1个月90第2个月5170.50-19.5380.25第3个月14095.5044.51980.2593.6746.332146.78第4个月221180.5040.51640.25137.3383.677000.11第5个月309265.00441936.00223.3385.677338.78当期数为2的时候，第2个月的预测值为：普1=70.50,第3个月的预测值为:巧皿=95.5,以此类推；当期数为3的时候,第3个月的预测值为：90+5；+140=93.67,第4个月的预测值为:51+1f+221=137.33o之后以同样的步骤，算出期数由2至10所有数据；在套进求MSE的公式，找出乳品1在期数2时有小之MSE=962.22。用期数=2,来代近第4年求出第4年的预测值；让第4年预测值，与使用BeerGame软件所产生的第4年实际值，来作比较；求得第四年的预测值与实际值NMSE。移动平均之所有商品MSE：商品乳品1乳品2乳品3咖啡1咖啡2咖啡3MSE值5652.855738.952470.783186.453199.253125.75商品口香糖1口香糖2口香糖3糖果1糖果2糖果3MSE值178.98147.7331.6843.8313.1371.95商品饼干1饼干2饼干3泡面1泡面2泡面3MSE值30.6325.5323.339.18550.7452.15商品免洗餐具1免洗餐具2免洗餐具3卫生纸1卫生纸2卫生纸3MSE值33.4311.757.65335.776.329.25表2.1移勤平均之所有商品MSE2.5指数平滑法指数平滑法以过去数据值的加权平均做为预测值，它是加权移动平均的特例。如今，我们只选择一个权重，即最近数据值的权重，其它数据值的权重则可由模式依数据愈旧权重愈小的型态自动求得。而指数平滑法的基本模式如下：由上述公式可看出，第+t#Ia殖的班测倘姓第t期的实际值与预测值的加权平均；特屐注意的是，实际值得权重为,预测值的权重则为我们能够说明指数平滑法所求树的刷帼滴血倬事实上是前三期的资料值（表示为Yi,丫2,Y3）的加权隼均朋尊菖峰年时间序列中的第1期数据值,也就是B二Y因此，第k期0曲獭帧券测值二斗滑指数（03a$1）指数平滑计算过程：F2=aY÷（1-a）F第一步：=aY÷（1-a）Y使用啤酒游戏来产生水平需求、年中需求高、年后需求高等三类商品需求型态，共计有二十四种商品，而产生的需求值有四年的数据，第三年数据即作为已知数据，第四年数据作为验证数据。第二步：把所有二十四种物品的实际值数据全输入在Exce1中，并经由Exce1的处理，算出前三年a（a=0、0.1、0.21）所有的预测第三步：找出二十四种物品的前三年最小MSE之a为何；再用最小MSE的a代入,预测第四年的预测值。让第四年预测值，与使用BeerGame软件所产生的第四年实际值，来作比较。第四步：求得第四年的预测值与实际值之MSEo我们以乳品1做为范例：之后以同样的步骤，算出期数由2至10所有数据；在套进求MSE的公式，找出乳品1在期数2时有小之MSE=962.22o用期数=2,来代近第4年求出第4年的预测值；让第4年预测值，与使用BeerGame软件所产生的第4年实际值，来作比较；求得第四年的预测值与实际值之MSEo指数平滑法之所有商品MSE：商品乳品1乳品2乳品3咖啡1咖啡2咖啡3MSE值2594.832694.081463.251842.51732.831494.25商品口香糖1口香糖2口香糖3糖果1糖果2糖果3MSE值118.7565.6415.4223.756.8826.05商品饼干1饼干2饼干3泡面1泡面2泡面3MSE值17.3114.5719.57.12345.91234.55商品免洗餐具1免洗餐具2免洗餐具3卫生纸1卫生纸2卫生纸3MSE值19.767.114.95225.5227.0821.93表2.2指数平滑法之所有商品MSE2.6 回归分析法回归分析是一项统计工具，通常被用来表示两个或者两个变量以上计量变量间的关系，它能够从一群变量中预测某一变量所需要的数据，比如：某人明白市场中某产品的价格与需求量间的关系，他就能够藉回归分析从价格来预测需求量，或者某工程师明白存放在仓库中的某一种合成纤维原料的含水成份、及湿度之关系，则他能够藉由回归分析从含水成份，来预测纤维原料中的湿度，或者以家庭收入来预测家庭在医疗方面的资出等。我们不能正确的预测某一特定学院的毕业生，在他毕业后十年中能赚多少钱，但由已知的数据中，我们能够预测所有学院的毕业生在毕业后十年中平均能赚取的金额，同样地，我们能够运用已知的第一年商品需求数据，去预估第二年商品平均的需求量，这种运用一个已知的变量来预测一个变量的平均值的问题，称之回归问题。回归方程式在许多的方程式之中有一种方程式，可由一自变量X,来预测一因变量值Y,最简单且最被广泛使用的就是，这种在两未知值下的直线方程式，它的形式为：Y=a÷bX上式中a为Y的截距（X=O时的Y值）。b为线段上的斜率，亦即一单位X的变动伴随着Y的变动之意。通常，a、b的值是由已知数据来预估，一旦它们被决定后，我们能够将X的值，代入方程式中计算对应的Y值，直线方程式是相当有效且重要的，不只是由于在这种形式中确实有许多关系存在，而且